본 논문은 기존 순차 추천 시스템의 한계를 극복하기 위해 '느린 사고(slow thinking)' 패러다임을 도입한 새로운 추천 모델 STREAM-Rec을 제안합니다. 기존 모델들이 사용자의 과거 행동을 단순히 인코딩하여 추천하는 '빠른 사고' 방식과 달리, STREAM-Rec은 다단계 추론 과정을 통해 사용자의 행동 패턴을 분석하고 개인화된 추천을 제공합니다. 이를 위해 세 단계의 학습 프레임워크를 제시하는데, 첫째, 대규모 사용자 행동 데이터를 이용한 사전 학습을 통해 행동 패턴과 장기 의존성을 학습하고, 둘째, 반복적인 추론 알고리즘을 통해 적절한 추론 과정을 주석화하여 모델을 미세 조정하며, 셋째, 강화 학습을 통해 모델의 일반화 능력을 향상시킵니다. 실험 결과, 제안된 방법의 효과를 검증하였습니다.
